Настроить ИИ-агента через MCP: без кликов по кабинету

Кабинет Савви открыт на вкладке «Дополнительные настройки», и там полсотни переключателей: модель, история диалогов, рабочие часы, лимиты вызовов, распознавание изображений. Человек, который настраивает агента впервые, листает список сверху вниз и на середине забывает, зачем открыл первую половину. MCP убирает именно этот список: вместо клика по каждому пункту вы описываете задачу словами, а решает, что где включить, другой ИИ-агент.

Что делает ИИ-агент через MCP, когда вы подключаете Савви

Подключив MCP-сервер, вы делегируете настройку от идеи до проверенного результата: агент проектирует архитектуру бота, собирает её, тестирует и дорабатывает по кругу, без ручного клика по интерфейсу.

Работает это в два шага. Сначала агент составляет план: какой должна быть инструкция, как организовать базу знаний, какие действия нужны — и показывает план вам на одобрение. После согласия он пишет инструкцию, создаёт документы и быстрые ответы, настраивает действия, а затем сам запускает тестовые сценарии от лица клиента и правит найденные проблемы. Участие человека сводится к двум точкам: одобрить план в начале и оценить готовый результат в конце.

Как подключить MCP-сервер Савви

Для Claude Code рекомендованный путь: плагин, который ставит сразу сервер и Agent Skill.

Ручной способ без плагина тоже есть: команда claude mcp add --scope user --transport http suvvy https://api.suvvy.ai/mcp подключает сам сервер, но тогда Agent Skill, который задаёт правила работы с платформой, ставится отдельно.

Что можно поручить агенту через MCP, а что остаётся в кабинете

Агенту через MCP достаётся больше, чем кажется на первый взгляд: инструкция, база знаний, действия, тесты, разбор реальных диалогов. Короткий список исключений при этом важнее длинного списка того, что разрешено, — он и задаёт границу задачи.

Граница проведена не случайно. Канал — это точка, откуда к боту приходят реальные сообщения и куда уходят реальные ответы, а интеграция с CRM почти всегда означает доступ к чужим деньгам или персональным данным клиентов. Отдать эти два шага текстовому описанию задачи означало бы доверить стороннему агенту действие, которое трудно откатить одним кликом. Руками в кабинете это занимает пару минут и остаётся под прямым контролем того, кто нажал кнопку.

Как агент через MCP находит слабое место в готовом боте

Отдельная польза MCP раскрывается через месяц работы, когда бот уже отвечает клиентам и где-то спотыкается.

Агенту можно передать задачу вроде «посмотри последние тридцать диалогов и найди, на каких вопросах бот отвечает плохо или замолкает». Он читает историю, ищет по тексту сообщений и возвращает список конкретных мест: не вызвал нужную функцию, ответил не в том тоне, потерял тему после уточняющего вопроса клиента. Дальше тем же запросом можно попросить сразу переписать формулировку в инструкции и прогнать три-четыре тестовых сценария, чтобы проверить, помогла ли правка.

Те же симптомы и причины без MCP ищутся руками через вкладку «Чаты» в продвинутом режиме, тем же путём, что описан у дополнительных настроек. MCP не меняет список причин, он меняет, кто листает диалоги в их поисках.

Сколько стоит бот, которого настроил другой ИИ-агент

Отдельной платы за работу через MCP руководство не описывает — токены расходуются на стороне вашего ИИ-агента, который читает документацию и выполняет вызовы, а сам бот в Савви после запуска работает по обычному тарифу.

Цифра не про то, что настройка через MCP дешевле обычной. Она про то же самое отношение бота к живому обращению, что и в остальных материалах серии: тот, кто настроил бота — сотрудник вручную или сторонний агент через MCP, — на итоговую цену диалога не влияет. Влияет она только на то, сколько часов уходит на сборку бота до запуска.

В статье про разработку ИИ-агентов разобраны три пути: свои силы, подрядчик, код с нуля. MCP — четвёртая дорожка внутри первого пути, «своими силами»: клики по интерфейсу берёт на себя другой ИИ-агент, а результат в кабинете остаётся тем же, что и при ручной настройке.

Что проверить перед тем, как довериться MCP-настройке

Готовый бот, собранный через MCP, требует того же взгляда, что и любой другой: агент действует по тому описанию задачи, которое вы дали ему на входе.

Покажите агенту через MCP диалог из тестового чата и сверьте формулировки инструкции с тем, как реально ведёт себя ниша: обещания по срокам, порядок вопросов клиенту, тон, которым отвечают на жалобу. Проверка занимает те же пять минут, что и одобрение плана в начале, только теперь на руках уже готовый результат вместо списка пунктов на согласование.

Если формулировки собраны правильно, но бот всё равно путается, причину стоит искать в семи правилах инструкции: агент через MCP подчиняется той же структуре, что разобрана в материале про 7 правил инструкции, кто бы её ни писал. После проверки останется последний ручной шаг — подключить канал и интеграцию в кабинете, а дальше бот и его правки открыты любому сотруднику с доступом к аккаунту, независимо от того, кто вёл настройку через MCP.

Частые вопросы